7月22日，北京赛目科技股份有限公司首席技术官杨强在2025第八届智能辅助驾驶大会测试验证专场发表主题演讲，系统阐述了智能网联汽车安全验证策略与仿真工具链，为行业破解安全验证难题提供了清晰路径。

赛目科技首席技术官杨强

智能网联汽车安全验证仍面临诸多挑战

当前，随着 ISO26262（功能安全）、ISO21448（预期功能安全）、ISO21434（网络安全）等国际标准的全面实施，自动驾驶系统（ADS）的安全要求已提升至全新高度，但实际验证中仍面临多重挑战：城市交通场景的复杂性和随机性使得测试场景难以枚举；动辄数百万公里的实车路测耗时数年且经济成本高昂；ADS 软硬件融合度持续提升，传统测试方法难以覆盖潜在风险；同时，量化 ADS 在未知危险场景中的失效概率缺乏统一方法与工具。

这些挑战的核心在于传统“实车路测为主”的验证模式已无法满足ADS的安全需求，基于场景的仿真测试正成为突破瓶颈的关键。

基于测试空间分析的ADS安全评估策略

针对如何构建有效测试场景集的行业痛点，赛目科技创新提出“连续和离散双维度测试空间”的ADS安全验证策略，通过精准覆盖测试场景、高效降低验证成本，可实现ADS安全性的量化评估。

在连续空间中，通过预期功能安全分析构建逻辑场景，结合测试空间分析生成具体场景集，经仿真测试后基于统计论证评估风险。结合SOTIF分析生成逻辑场景，通过实验设计（DoE）采样技术对概率区间分层，避免样本集聚，确保测试场景的代表性。根据真实世界的场景进行模型定义，通过敏感性分析、可靠性分析、鲁棒性分析，建立“逻辑场景构建-测试空间分析-仿真验证-风险评估”闭环，高效定位安全临界场景。

在离散空间中，通过构建大规模随机交通流的虚拟城市仿真测试，基于宏观与微观 AI交通流模型实现大规模并行云仿真，复现复杂交通工况。

针对复杂交通环境，赛目科技打造“虚拟城市+AI交通流”的大规模随机交通流仿真测试平台：宏观交通流模型基于TGCN、AGCRN、STFGNN、Z-GNETs时空图神经网络，精准预测不同区域交通流变化；微观交通流模型通过BEV+Transformer结构，实现车辆轨迹的多模态预测与优化；依托Cloud Pro云平台，进行分布式实时仿真，单个仿真任务支持5000+交通车、100+主车的并发测试，实时提取危险场景。

置信度与测试策略是仿真测试工具链的关键

“仿真工具的核心竞争力，在于置信度与测试策略。”杨强重点介绍了赛目科技全栈自研的仿真工具链，其通过国际权威认证，为安全验证提供坚实支撑。

Sim Pro作为全球首个通过ISO 26262 ASIL D级认证的仿真安全分析工具，支持闭环仿真、场景管理，与实车测试结果一致性达90%以上；预期功能安全分析工具Safety Pro也已通过ISO 26262功能安全认证，可自动生成逻辑场景并评估残余风险；SGO Pro可进行测试空间分析，支持场景泛化及实验设计DoE；云仿真平台Cloud Pro支持大规模并行仿真；AI交通流工具Traffic Pro可进行交通流搭建及仿真；场景提取工具SceCo Pro可基于实车采集数据自动提取生成safety-critical场景。这些工具通过“场景提取-安全分析-云仿真-结果评估”的全链路协同，形成了从实车数据到虚拟测试的完整闭环。

赛目科技全栈自研的仿真工具链

同时，赛目科技基于3DGS+扩散模型的三维重建技术，提升了摄像头传感器数据保真度，让虚拟场景与真实环境“无差别”；高精度27自由度非线性动力学模型，支持燃油车、电动车等多车型，精准模拟车身、制动、转向等动态特性。

案例分析中，杨强提到，在跟车变道场景测试时，赛目科技的SGO Pro敏感性分析算法可将7维测试空间降为5维，结合可靠性分析算法，初始采样1500次即可精准估计TTC<1 和 TTC<0.5 的失效概率，较传统蒙特卡罗方法和定步长泛化大幅减少仿真次数，测试效率提升2-4个数量级，验证了该策略在降维测试空间、高效评估风险方面的优势。

“安全是智能网联汽车的生命线。”杨强表示，赛目科技将持续深耕仿真测试技术，通过“测试空间覆盖驱动+全链路仿真”策略，结合自研工具链与AI技术，助力行业解决场景覆盖难、成本高、风险量化难等问题，持续推动智能网联汽车从“技术可行”迈向“安全可控”。

此次演讲不仅展现了赛目科技在智能网联汽车安全验证领域的技术领先性，更为行业提供了可落地的安全验证范式——以仿真技术破解实车测试难题。随着智能网联汽车渗透率的逐年提升，安全验证成为量产关键卡点，赛目科技将持续用数据驱动定义安全边界，为智能网联汽车的规模化落地筑牢“安全防线”。